Как стартапу прорваться в промышленность – кейс компании Datana

15.04.2020

О том, какие моменты надо учесть, развивая стартап в черной металлургии, рассказал Владимир Захаров, генеральный директор компании Datana (входит в группу ЛАНИТ)


Несмотря на то что «Индустрия 4.0» стала аксиомой промышленного развития, специфика производственного процесса затрудняет внедрение «умных» решений.

Стартап в тяжелой промышленности очень плохо воспринимается из-за больших рисков — всем нужен пример того, как инновационное решение работает на другом заводе. Чтобы преодолеть это препятствие на старте, мы сделали для заказчика условно бесплатный пилотный проект и ушли в минус (заказчик заплатил нам символическую сумму, просто чтобы оформить контракт). Зато нам уже было что показать другим заказчикам на рынке.

Мы занимаемся разработкой программного продукта типа «цифровой советчик», а также «картриджей» для него — математических моделей. Продукт в реальном режиме времени отслеживает соблюдение требований технологии производства, целевых физико-химических параметров конечной продукции и выдает техперсоналу завода рекомендации к действиям. Таким образом, «цифровой советчик» помогает снизить расходы электроэнергии, легирующих, раскислителей и других ресурсов, а также повысить качество продукции и его стабильность.

Экономия зависит от существующей технологии на производстве, конкретного оборудования, качества расходных материалов, производимых марок стали и масштаба производства, но в среднем составляет от 10 млн до сотен млн руб. на больших заводах. В нашем пилотном проекте доказанная экономия была порядка 50 млн руб. в год.

Помимо экономии наша задача — повысить качество. Так, на одном из российских металлургических заводов отбраковка сейчас составляет 40% продукции — она идет на повторную переплавку. А расчеты говорят о том, что брак можно снизить до 10%. Это тот случай, когда математика решает серьезные производственные задачи.

За два года мы объездили все российские предприятия черной металлургии и столкнулись с рядом сложностей.

Недоверие к стартапам

Брак и недополученная прибыль — не самый большой риск изменения технологий производства. Куда страшнее простой производства и возможные травмы персонала из-за аварий и серьезных поломок оборудования. Поэтому стартапам не доверяют, особенно если их делают люди не из промышленной среды. А мы именно такие — у нас много опыта в других секторах экономики, но этот опыт не идет в зачет у производственников.

В самом начале нас воспринимали как хипстеров из Москвы, которые приехали учить тонкостям сталелитейного дела потомственных металлургов. Действительно, как убедить работника, который 20 лет работает в цехе и по пламени горелки определяет, когда именно нужно нажать на кнопку и добавить в сталь раскислитель, что это надо сделать чуть раньше? Тем более что система новая и на первых порах еще не имела реальных внедрений. Переломить недоверие — это большая работа. Так в нашей команде появились бывшие металлурги, которые могут разговаривать с технологами на одном языке.

Страх остаться без работы

На разных предприятиях мы видели, что некоторые работники намеренно игнорируют указания информационных систем. Например, крановщик, раскладывая разноразмерные слябы (стальные заготовки) по ячейкам, не вбивает в систему номер ячейки и количество уложенных слябов. Вместо этого он складывает все подряд, и, когда приходит заказ на прокат, невозможно сразу достать нужное количество слябов определенного размера. Приходится все перекладывать. Объяснить саботаж можно только страхом лишиться работы из-за автоматизации. Одно из решений этой проблемы — сделать работника частью цифровой среды: устанавливать датчики не только на производстве, но и крепить на одежду рабочих — чтобы контролировать, не совершают ли они действия за рамками регламента.

Консервативная модель управления

В инвестиционный план нашего стартапа мы в качестве основной бизнес-модели заложили процент от экономии на производстве — по аналогии с энергосервисным контрактом, когда затраты сервисной компании возмещаются за счет достигнутой экономии средств, получаемой после внедрения энергосберегающих технологий. Но общение с заводами показало, что эта бизнес-модель преждевременна.

Во-первых, большинство российских промышленных предприятий пока в принципе не готово выплачивать service fee ИТ-компаниям — им привычнее и понятнее заказная разработка. На предлагаемую нами модель согласны единицы — они понимают, что софт с использованием технологий искусственного интеллекта после внедрения нужно поддерживать и развивать, а для этого требуются специалисты высочайшего уровня, которых и в Москве непросто найти.

А, во-вторых, модель планирования ресурсов и подсчета конечной стоимости продукции некоторых заводов не способствует экономии. Сокращение одной статьи расходов равномерно распределяется по всем остальным статьям и в масштабе всего производства не приносит ощутимого эффекта. А руководство завода, на котором мы делали пилотный проект, намеревалось просто снизить норму расходования ресурсов, если удастся достичь их экономии.


Разбор полётов

Сейчас, спустя два года с момента зарождения идеи стартапа, я понимаю, что если бы мы обладали нашим нынешним опытом, мы избежали бы ненужных действий и сэкономили драгоценное время.

Надо сразу же добиваться встречи с руководством, принимающим решения.

Взаимодействие с разными представителями завода помогало нам уточнить проблемы производства, доработать свой алгоритм с учетом новых вводных, но мы не могли добиться главного — решения о внедрении продукта. А такие решения принимаются на уровне заместителя гендиректора, руководителя по цифровой трансформации или директора по производству.

На стадии переговоров стоит учитывать задачи конкретных подразделений. Так, в отделе автоматизированных систем управления технологическим процессом (АСУ ТП) нет KPI на повышенную эффективность. А вопросы экономии по-настоящему интересны только собственнику и акционерам — это их волнуют EBITDA и прочие финансовые показатели, способствующие повышению инвестиционной привлекательности предприятия.

Нужно проводить максимум времени на заводе.

Алгоритм «цифрового советчика» должен учитывать не только отраслевую специфику, но и специфику производства на конкретном заводе: процессы на разных предприятиях по сути одинаковые, но оборудование разное, ферросплавы разных поставщиков и т.п. Все эти детали можно выяснить только на производстве. Кроме того, только в разговоре выявляются наиболее острые проблемы завода, о которых из Москвы не узнаешь. А мы на старте потратили много времени на проработку гипотез, которые не подтвердились, вместо того чтобы погрузиться в производство уже на этапе формулирования идеи.

Важно понимать процедуру запуска стратегических инициатив и закупок.

Типичная закупочная процедура крупной компании — это длительный тендер с запросом предложений, проведением торгов, рассмотрением заявок и объявлением победителей. Наш опыт показывает, что между первым выходом на потенциального заказчика и заключением контракта, то есть официальным началом работ, может пройти год-полтора. Причем все это время необходимо поддерживать активный контакт с производственниками, чтобы быть в курсе изменений на заводе и понимать приоритет технологических задач.

Столь длительное ожидание под силу только тем командам, у которых есть финансовая поддержка до первых платежей от заказчика. А большинство стартапов, как правило, очень ограниченно в ресурсах. Поэтому нужно с самого начала узнать, какова процедура внедрения новых технологий на производстве, готово ли руководство к новым моделям сотрудничества со стартапами. Затем важно заручиться поддержкой операционного менеджмента и очень важно найти «чемпиона» — ответственного перспективного сотрудника, который в вас верит и готов помогать в реализации проекта.

Перспективы «цифры» в черной металлургии

Сейчас мы внедряем своего «цифрового советчика» на одном из российских сталелитейных предприятий и видим большие перспективы подобных решений в этом промышленном сегменте: наибольшего эффекта можно достичь, интегрируя цифровые советчики в единую платформу и связывая между собой математические модели процессов на разных производственных этапах. Отраслью также будут востребованы цифровые инструменты проектирования технологий для создания новых марок стали. Они позволят смоделировать и протестировать всю технологическую цепочку на компьютере — без многочисленных испытаний на действующем производстве. Технолог очень быстро получит ответ, как долго и при какой температуре разогревать металл, сколько нужно добавить присадок и каких, нужно ли вакуумировать, десульфурировать и т.д. Такого в черной металлургии пока еще никто не сделал, но это то, к чему движется ИT в промышленности, — к сокращению и удешевлению цикла производства.

Автор: Владимир Захаров
Источник: РБК Pro, 15.04.2020

Другие статьи по теме